1. 核心传感器组合
- 激光雷达(LiDAR):构建实时3D地图,探测静态障碍(如楼梯、墙壁)。
- 视觉摄像头:通过深度学习识别动态物体(如行人、电梯按钮),判断楼梯坡度、台阶高度。
- 惯性测量单元(IMU):感知自身姿态倾斜度,防止在楼梯边缘失衡。
- 超声波/红外传感器:近距离补盲,防止与行人腿部等低矮障碍碰撞。
- 轮式编码器:精确计算移动距离,配合地图实现定位。
2. 特殊场景应对策略
a) 楼梯场景
- 识别与决策:
- 通过视觉+LiDAR判断楼梯结构,若台阶高度超过机器人的攀爬能力(如轮式机器人通常无法爬楼梯),则自动标记为“不可通行区域”。
- 若为斜坡或低矮台阶(如部分商场缓坡),机器人可能通过调整轮速或机械结构自适应通过。
- 替代方案:
- 楼内协作网络:部分系统采用“接力配送”,由一楼机器人将货物转交给楼内专用爬楼机器人或电梯机器人。
- 人机协作:极端情况下(如无电梯的老旧小区),平台可能转由人工完成最后一小段配送。
b) 电梯场景
- 通信与控制:
- 通过Wi-Fi/蓝牙与电梯控制系统联动,自动呼叫电梯并选择楼层。
- 视觉识别电梯按钮,通过机械臂或红外模拟按压(需物业授权)。
- 安全策略:
- 进入电梯后自动进入“跟随模式”,保持静止并避让行人。
- 通过传感器监测电梯门状态,防止被夹。
c) 拥挤人群
- 动态路径规划:
- 实时预测行人轨迹(如使用Social-GAN等行人运动模型),提前规划绕行路径。
- 采用“弹性速度策略”:在人群中降低速度,避免突然加速引发碰撞。
- 人机交互优化:
- 通过灯光、声音提示(如“让路提醒”)与行人沟通意图。
- 在极度拥挤时进入“跟随模式”,尾随行人缓慢通过,或寻找临时停靠点等待。
3. 算法与系统特性
- SLAM技术:在无GPS环境中实时定位并更新地图(如室内走廊)。
- 分层决策框架:
- 高层规划:基于订单数据生成楼宇间全局路径。
- 中层导航:根据实时传感器数据调整局部路径(如D*算法动态避障)。
- 底层控制:电机驱动实现精确转向和速度控制。
- 云端协同:
- 多机器人调度系统避免拥堵,例如控制不同机器人错峰使用电梯。
- 历史数据学习高峰时段人群密度,提前优化路径。
4. 实际部署的限制与改进
- 当前挑战:
- 极端复杂环境(如无序拥挤、儿童奔跑)仍需远程人工接管。
- 电梯系统协议不统一,需与物业深度合作。
- 雨天/冰雪环境传感器精度下降。
- 未来演进:
- 仿生设计(如足式机器人)可能突破楼梯限制。
- 5G+V2X技术实现机器人与城市基础设施(如交通信号、电梯)更高效交互。
总结
外卖机器人通过“感知-决策-控制”闭环系统应对复杂环境:楼梯以规避或协作接力为主,电梯依靠物联通信自动调度,人群通过动态避障算法柔性通过。其本质是在安全第一的前提下,平衡效率与适应性,现阶段仍需在特定规范化场景(如园区、写字楼)中运行,未来随着技术进步将拓展至更开放空间。